多组学整合分析揭示12种同源小鼠模型中免疫治疗响应的关键分子机制

本研究针对免疫检查点抑制剂(ICI)疗效预测难题，通过整合转录组、蛋白质组和磷酸化蛋白质组数据，系统评估了DDA与DIA质谱技术的性能差异，首次完成12种同源小鼠模型的深度分子特征解析。研究发现Dnmt3a和Igf2r表达与ICI耐药显著相关，干扰素通路激活是响应组关键特征，并构建了首个交互式多组学分析平台，为肿瘤免疫治疗研究提供重要资源。

　　

肿瘤免疫治疗领域长期面临疗效预测标志物缺乏的挑战，特别是在临床前研究中，传统异种移植模型因免疫缺陷难以模拟人体免疫微环境。虽然同源小鼠模型能保留完整免疫系统，但其分子特征与免疫治疗响应的关联机制尚未系统解析。这导致药物研发过程中难以准确评估候选化合物的免疫调节潜力，也阻碍了生物标志物的发现。

针对这一关键问题，冠科生物技术（苏州）有限公司（Crown Bioscience Inc.）的研究团队在《iScience》发表了突破性研究。该工作首次采用多组学整合策略，对12种常用同源小鼠模型进行深度分子特征解析，不仅建立了技术评估标准，更揭示了免疫治疗响应的核心调控网络，为个性化癌症治疗提供了全新视角。

研究团队主要运用三大关键技术：1) 基于液相色谱-串联质谱(LC-MS/MS)的数据非依赖性采集(DIA)和数据依赖性采集(DDA)蛋白质组学技术对比；2) 整合转录组测序(RNA-seq)、蛋白质组和磷酸化蛋白质组的跨组学分析方法；3) 结合单细胞RNA-seq数据验证的免疫微环境解析技术。所有实验均采用BALB/c和C57BL/6小鼠构建的12种移植瘤模型（包括肝癌H22、黑色素瘤B16F10等），并通过肿瘤生长抑制率(TGI)量化三种免疫检查点抑制剂（抗PD-1、抗PD-L1和抗CTLA4）的疗效。

DIA技术显著提升蛋白质组分析性能
通过系统比较六种定量流程发现，DIA技术在数据覆盖率（缺失值<10% vs DDA的30-40%）、重复性（平均变异系数降低35%）和模型区分度（轮廓系数提高0.2）方面全面优于传统DDA方法。特别值得注意的是，基于计算机模拟库的DIA分析成本效益比最优，为大规模研究提供了可行方案。

免疫微环境特征决定治疗响应

ESTIMATE算法分析显示，黑色素瘤模型B16BL6/B16F10具有典型的"冷肿瘤"特征（肿瘤纯度>0.85），而淋巴瘤A20则富含免疫细胞。响应组(R)与无响应组(NR)的比较发现，干扰素信号通路（如STAT1磷酸化）和抗原呈递相关基因在R组显著上调，而氧化磷酸化通路（涉及复合物I-V）在NR组活跃，这为免疫治疗响应机制提供了全新解释。

Dnmt3a与Igf2r成为新型耐药标志物

多组学数据一致显示，DNA甲基转移酶Dnmt3a和胰岛素样生长因子2受体Igf2r在NR组显著高表达（p<0.01）。单细胞数据验证二者主要在肿瘤细胞表达，其协同作用机制可能是通过GSK3α/β激活Dnmt3a的甲基化活性，这为克服免疫耐药提供了双靶点干预策略。

磷酸化网络揭示调控新机制
在鉴定的28,804个磷酸化位点中，响应组呈现更密集的激酶-底物网络（涉及AURKA、PRKDC等），而NR组则表现为代谢相关激酶（如CLK1）的异常活化。特别值得注意的是，Dnmt3a-S386和Igf2r-T1124位点的低磷酸化状态与耐药表型显著相关，提示翻译后修饰在免疫调节中的重要作用。

这项研究通过建立同源小鼠模型的多组学参考图谱，不仅解决了临床前研究中的技术选择难题（证明DIA的优越性），更重要的是发现了Dnmt3a/Igf2r这一对跨模型保守的耐药标志物。研究人员开发的交互式分析平台（https://muscreen.crownbio.com/syngeneic_omics）实现了数据共享与深度挖掘，将加速肿瘤免疫治疗的生物标志物发现。尽管存在模型间微环境异质性的局限，但该研究为理解免疫治疗响应机制提供了分子基础，特别是揭示了表观遗传调控（DNA甲基化）与代谢重编程（氧化磷酸化）的协同作用，为开发联合治疗策略指明了新方向。